Jurnal Ekonomi dan Bisnis Indonesia Vol. 18, No. 4, 2003, 341 - 360
ADAKAH PENGARUH PERNYATAAN PRESIDEN GUS DUR TERHADAP PERILAKU KURS RP/US$, 1 JANUARI 1999 – 30 APRIL 2002?: STUDI EMPIRIS DENGAN METODE BOX JENKINS (ARIMA) Mudrajad Kuncoro Dosen Fakultas Ekonomi UGM Hikmah Inayah Alumnus Program Magister Manajemen UGM
ABSTRACT This study attempts to analysis Rupiah/US$ exchange rate using ARIMA (Autoregressive Integrated Moving Average) method. It explores to what extent impacts of political variable, in term of the (former) President Abdurrachman Wachid’s (Gusdur) statement, on the exchange rate fluctuation. Two main sources of data were used: first, daily exchange rates of Rp/US$ over the period of Januari 1 st, 1999 to April 30th , 2002; second, media reports on Gus Dur’s statement which comed up every Friday. The empirical results found that yesterday’s exchange rates and trend influenced the current exchange rates significantly, as shown by AR (1) and trend variable. More importantly, depreciation of Rupiah was caused by political (news) variable, especially Gus Dur’s statement. The last indicates the evidence of Friday effect in the case of Rp/US$ during Gus Dur regime. Keywords: ARIMA Method; Autoregressive; Moving Average; News (Gus Dur’s statement); Trend PENDAHULUAN Meramal valas merupakan strategi yang sangat penting bagi suksesnya perusahaan multinasional. Karena hampir sebagian besar operasi sebuah perusahaan multinasional dipengaruhi oleh perubahan-perubahan nilai tukar. Seperti keputusan untuk meng-hedge hutang atau piutang valasnya di masa depan, keputusan untuk investasi baik jangka pendek maupun jangka panjang, semua keputusan tersebut akan dipengaruhi oleh peramalan nilai tukar. Ketidaktepatan peramalan dapat mengakibatkan kerugian dalam memperoleh laba dari transaksi yang terjadi. Dengan demikian, meramal valas merupakan kunci bagi pengambilan keputusan yang melibatkan
transfer dana dari satu mata uang ke mata uang lain dalam suatu periode waktu tertentu. Ada tiga kategori model peramalan, yaitu model runtut waktu, model kausal, dan model kualitatif (Kuncoro, 2001). Model runtut waktu berusaha untuk memprediksi masa depan dengan menggunakan data historis. Model kausal memasukkan dan menguji variabelvariabel yang diduga mempengaruhi variabel dependen. Sedangkan model kualitatif merupakan model yang memasukkan subyektif dalam model peramalan. Khususnya untuk analisis empiris yang menggunakan data runtut waktu, para analis runtut waktu dan para ahli ekonometrika dihadapkan pada beberapa perbedaan
342
Jurnal Ekonomi & Bisnis Indonesia
(Kennedy, 2000), yaitu: pertama, para ahli ekonometrika cenderung memformulasikan model regresi tradisional untuk menganalisis data runtut waktu, yang kurang memperhatikan spesifikasi struktur dinamik runtut waktu. Studi empiris dengan berbasis data untut waktu mengasumsikan bahwa data time series adalah stasioner. Asumsi ini memiliki konsekuensi penting dalam menterjemahkan data dan model ekonomi. Hal ini karena data yang stasioner pada dasarnya tidak mempunyai variasi yang terlalu besar selama periode pengamatan dan mempunyai kecenderungan untuk mendekati nilai rata-ratanya. Kedua, penggunaan regresi untuk data nonstasioner akan menghasilkan regresi “lancung” (spurious) dengan koefisien determinasi R2 memiliki nilai yang tinggi namun seringkali tidak terdapat keterkaitan yang berarti antara kedua variabel tersebut. Akibatnya antara lain koefisien regresi penaksir tidak efisien, uji baku umum untuk koefisien regresi menjadi tidak valid. Ketiga, model regresi dengan data time series seringkali digunakan untuk keperluan forecasting (prediksi/peramalan). Hasil forecasting tidak akan valid apabila data yang digunakan tidak stasioner (Kuncoro, 2001; Gujarati, 1995). Salah satu model peramalan yang mensyaratkan penggunaan data runtut waktu yang stasioner adalah ARIMA (Autoregressive Integrated Moving Average). Metode ARIMA merupakan metode yang secara intensif dikembangkan oleh George Box dan Gwilym Jenkins yang diterapkan untuk analisis peramalan data berkala (time series). Metode ini memanfaatkan sepenuhnya data masa lalu dan data sekarang untuk menghasilkan peramalan jangka pendek yang lebih akurat. Ada beberapa alasan mengapa digunakan teknik ramalan yang tidak menggunakan model struktural (model kausal dan simultan di mana persamaannya menunjukkan hubungan antar variabel seperti yang disarankan teori ekonomi atau nalar). Pertama, gerakan suatu
Oktober
variabel terkadang terjadi karena sebab-sebab yang sulit diketahui, seperti ditemui pada pergerakan nilai tukar dan harga saham. Kedua, kendati ada landasan teorinya dan sehingga model struktural, data variabel bebas yang terlibat mungkin tak tersedia, atau datanya ada namun prosedur pengujian menunjukkan bahwa variabel bebas itu tidak berhubungan secara statistik. Ketiga, meskipun data tersedia dan model struktural dinyatakan baik, untuk meramal sering masih harus didasarkan pada variabel bebas yang tidak selalu mudah (Mulyono, 2000). Studi ini bertujuan untuk meneliti faktor yang mempengaruhi fluktuasi kurs Rupiah terhadap Dolar Amerika Serikat, dengan pendekatan teknikal yang merupakan kombinasi antara model kausal dan time series. Berbeda dengan peramalan secara teknik pada umumnya pada penelitian ini juga akan diamati perilaku kurs yang terjadi selama 3 tahun, di mana dalam masa 3 tahun tersebut telah terjadi 3 periode kepemimpinan, yaitu periode Habibie, Gusdur dan Megawati. Dalam penelitian ini digunakan data harian sehingga akan terlihat jelas bagaimana trend yang terjadi serta perilaku kurs tersebut. Ada beberapa hal yang akan diamati, yaitu mengenai statement yang dikemukakan oleh Gusdur setiap hari Jum’at apakah statement ini berpengaruh secara signifikan atau tidak terhadap kurs. Kemudian yang terpenting adalah mengetahui pola perilaku kurs itu sendiri dengan menggunakan metode ARIMA. Hipotesis yang akan diuji dalam penelitian ini adalah sebagai berikut: (1) Statement Gusdur pada hari Jum’at mempengaruhi fluktuasi nilai tukar Rp/US$; (2) Statement Gusdur pada hari Jum’at mempengaruhi fluktuasi perdagangan nilai tukar Rp/US$ pada hari Senin; (3) Pola perilaku nilai tukar berbeda selama tiga periode kepemimpinan. METODE PENGUMPULAN DATA Dalam penelitian ini data yang digunakan adalah data sekunder dalam pola time series.
2003
Data tersebut meliputi data mengenai nilai tukar Rupiah/US$ yang diperoleh dari Bank Indonesia (http://www.bi.go.id) Selain itu juga dikumpulkan berbagai news yang berkaitan dengan statement Gusdur dari surat kabar Kompas (http://www.kompas.com). Data dikumpulkan dalam bentuk data harian, dimulai dari 1 Januari 1999 sampai 30 April 2002. Dipilihnya periode pengamatan ini agar dapat membandingkan perilaku kurs selama 3 periode kepresiden yang terakhir di Indonesia. KERANGKA PENELITIAN Penelitian ini akan dilakukan dalam tiga tahap. Tahap pertama bertujuan untuk mengetahui teknik peramalan yang terbaik dalam pasar uang Indonesia, dengan menggunakan teknik peramalan seperti smoothing model, winter model, trend model dan ARIMA model. Dalam tahap ini juga akan dianalisis pergerakan nilai tukar berdasarkan trend dan siklus masa kepemimpinan (Habibie, Gusdur dan Megawati). Pada tahap kedua, melakukan pengujian untuk mengetahui apakah faktor-faktor politik dalam hal ini statement yang dikeluarkan Gusdur setiap hari Jum’at berpengaruh pada pergerakan kurs atau tidak. Pada tahap ketiga, yaitu menguji model yang terbaik dengan menggunakan uji stabilitas model. ALAT ANALISIS Pemilihan Teknik Peramalan yang Terbaik 1.
2.
343
Kuncoro & Inayah
Melakukan penghitungan estimasi dari nilai kurs dengan metode smoothing, winter, trend dan ARIMA. Penghitungan estimasi nilai tukar metode smoothing, winter, trend dan ARIMA menggunakan software TSP. Untuk model ARIMA ada beberapa tahap yang harus dilakukan:
a.
Spesifikasi atau Identifikasi Model Model ARIMA hanya dapat diterapkan untuk series yang stasioner. Suatu series dikatakan stasioner jika nilai series tidak memiliki trend dan unsur musiman atau dengan berjalannya waktu rata-rata dan variannya tetap (Mulyono, 2000:148). Karena itu, tahap pertama penerapan metode ini adalah memeriksa apakah data time series stasioner atau tidak. Anggapan stasioneritas mempunyai konsekuensi yang penting dalam menerjemahkan data dan model ekonomi. Jika data yang diamati tidak stasioner maka koefisien regresi yang dihasilkan tidak efisien. Selain itu anggapan stasioneritas dipakai untuk menghindari munculnya regresi lancung (Spurious Regression) (Gujarati, 1995). Menurut Insukindro (1991) regresi lancung akan menyebabkan koefisien regresi menjadi tidak efisien dan uji baku yang umum dari koefisien regresi menjadi tidak sahih. Kecenderungan munculnya regresi lancung dapat diketahui jika nilai R2 tinggi disertai dengan nilai Durbin Watson yang rendah (Granger dan Newbold, 1974). Jika series tidak stasioner, maka dapat dijadikan stasioner melalui transformasi, misalnya dengan first order differencing. Jika dengan proses differencing itu belum diperoleh series yang stasioner, second order differencing dapat dicoba. Dan jika proses differencing tingkat dua belum menghasilkan series yang stasioner, maka data asli perlu ditransformasi sebelum proses differencing diterapkan. Transformasi ini dapat berbentuk logaritma, akar atau persentase perubahan (Mulyono, 2000). Secara matematis bentuk first order difference adalah: Zt = Yt = Yt – Yt – 1 Second order difference adalah Wt = Zt = (Yt – Yt – 1) – (Yt– 1 – Yt – 2) Di mana: Yt
= nilai series pada periode t
344
Jurnal Ekonomi & Bisnis Indonesia
Yt
– 1 ,
Yt
– 2
= nilai lampau series yang bersangkutan
Ada beberapa cara yang dapat digunakan untuk menguji stasioneritas data time series, yaitu dengan melihat plot fungsi autocorrelation (koefisien autocorrelation dengan berbagai lag), yang dinamakan correlogram, kemudian melihat Q statistik dan LB statistik dan melakukan uji akar-akar unit yang dilanjutkan dengan uji derajat integrasi. Dalam menjelaskan proses pemodelan ARIMA, tidak dapat dipisahkan dari tahapantahapan komponen-komponen yang membentuk model tersebut, yaitu model autoregressive (AR), model moving average (MA), model AR dan MA (ARMA), sampai kepada model AR dan MA yang terintegrasi (ARIMA) (Mulyono, 2000 ; Kuncoro, 2001) : 1. Model Autoregressive (AR) Bentuk umum model ini adalah : Yt = b0 + b1 Yt-1 + b2 Yt-2 + … + bn Yt-n + et Yt = variabel dependen Yt-1, Yt-2, Yt-n = variabel bebas yang merupakan lag dari variabel terikat. b0, b1, bn = koefisien regresi et = residual Model Moving Average (MA) Bentuk umum model ini adalah :
Di mana : Yt = nilai series yang stasioner et-1, et-2, et-n = kesalahan peramalan masa lalu a0, a1, an = konstanta dan koefisien model et = residual Model Autoregressive average (ARMA)
Yt = b0 + b1 Yt-1 + … + bp Yt-p + et - a1 et-1 - … - aq et-q Di mana: Yt = nilai series yang stasioner Yt-1, Yt – p = nilai lampau series yang bersangkutan et-1, et - q = kesalahan masa lalu b0, b1, bp, a1, aq, = konstanta dan koefisien model et = residual 4.
Model Autoregressive Integrated Moving Average (ARIMA) Model ARIMA biasanya dilambangkan dengan ARIMA (p,d,q), yang mengandung pengertian bahwa model tersebut menggunakan p nilai lag dependen, tingkat proses differencing sebanyak d kali, dan q lag residual. Tahapan utama proses Box-Jenkins dirangkum dalam Gambar 1.
dan
Setelah menetapkan model sementara dari hasil identifikasi, yaitu menentukan nilai p, d, dan q, langkah selanjutnya adalah mengestimasi parameter autoregressive dan moving average terms yang tercakup dalam model. Perhitungan ini dapat dilakukan dengan menggunakan OLS (ordinary least square). c. Uji Diagnostik
Yt = a0 + et - a1 et-1 - a2 et-2 - … - aq et-q
3.
Bentuk umum model ini adalah:
b. Estimasi Parameter
Di mana :
2.
Oktober
moving
Setelah melakukan estimasi dan mendapatkan penduga parameter, langkah berikutnya adalah menguji kelayakan model dengan mencari model terbaik. Model terbaik setidaknya memiliki RMSE (Root Mean Squares Error), MAD (Mean Absolut Deviation) atau MAE (Mean Absolut Error), MAPE (Mean Absolut Percentage Error), dan MPE (Mean Percentage Error) yang minimal (Arsyad, 1994).
2003
345
Kuncoro & Inayah Rumuskan model umum dan uji stasioneritas data
Identifikasi model tentatif (model ARIMA)
Estimasi parameter atas model tentatif
Tidak
Uji diagnostik (apakah model sudah tepat?)
Ya Gunakan model untuk peramalan Sumber: Box & Jenkins (1976: 19); Kuncoro (2001: bab 10)
Gambar 1. Metodologi Box-Jenkins untuk Model ARIMA
Mean Absolute Error (MAE) bertujuan mengukur kesalahan peramalan dalam unit ukuran yang sama dengan data aslinya. n
Y t Yˆ t MAE =
t 1
n
Root Mean Squares Error (RMSE) =
Y t Yˆ t 2 n
t 1
n
Mean absolut Percentage Error (MAPE) n Yt ˆ Yt
=
t 1
Yt n
Mean n
t 1
Percentage Y t Yˆ t
Error
(MPE)
Yt n
Di mana: Y t = nilai data runtut waktu periode t Yˆ t = nilai peramalan dari Y t
et = Y t - Yˆ t = residual atau kesalahan peramalan d. Peramalan dengan Model ARIMA Setelah model terbaik diperoleh, selanjutnya dapat digunakan untuk melakukan peramalan.
346
Jurnal Ekonomi & Bisnis Indonesia
Oktober
Dengan ketentuan sebagai berikut :
Pengujian Dampak News yang Terjadi terhadap Nilai Tukar Rp/US$
Melakukan pengujian terhadap news dalam hal ini statement pemerintah khususnya Gusdur dengan menggunakan ARIMA model dengan dummy variable, di mana:
Apabila F-hitung > F-tabel, berarti terdapat perbedaan pola perilaku nilai tukar yang signifikan pada 3 periode kepemimpinan.
Apabila F-hitung < F-tabel, berarti tidak terdapat perbedaan pola perilaku nilai tukar yang signifikan pada 3 periode kepemimpinan.
D1 = Statement pemerintah khususnya Gusdur pada hari Jum’at, dengan kode 1= jika ada statement; 0 = jika tidak ada statement
D2 = Perdagangan hari Senin (Friday effect), dengan kode 1 = jika ada statement pada hari Jum’at; 0= jika tidak ada statement pada hari Jum’at.
Pengujian Model yang Terbaik dengan Uji Stabilitas Model Uji ini digunakan untuk menjawab hipotesis apakah terdapat perbedaan pola perilaku nilai tukar selama tiga periode kepemimpinan. Uji stabilitas model ini mengunakan uji chow test dengan alat bantu (software) TSP.
HASIL ANALISIS DAN TREND NILAI TUKAR RP/US$ Untuk mengetahui pergerakan nilai tukar Rp/US$ selama periode 1 Januari 1999 – 30 April 2002 dengan menggunakan software SPSS, nilai tukar Rp/US$ selama tiga periode dapat dilihat pada gambar 1 di bawah ini (Gambar 2 merupakan data aktual nilai tukar Rp/US$ periode 1 Januari 1999 – 30 April 2002). Trend yang digunakan adalah trend kubik, karena trend ini lebih baik jika dibandingkan dengan metode trend yang lain, di mana memiliki R2 tertinggi (hasil dapat dilihat pada lampiran 1).
13000 Periode Habibie
Periode Megawati
12000 Periode Gusdur 11000
IDR
10000 9000 8000 7000 Rsq = 0,7929 6000 0
200
400
600
800
1000
Waktu (1 Januari 1999 - 30 April 2002, dalam harian)
Gambar 1. Trend Nilai Tukar Rp/US$
2003
347
Kuncoro & Inayah 13000 12000 11000
IDR
10000 9000 8000 7000 6000 1
101 51
201 151
301 251
401 351
501 451
601 551
701 651
801 751
851
Periode (1 Januari 1999 - 30 April 2002, dalam harian)
Gambar 2. Data Aktual Nilai Tukar Rp/US$ Dari grafik pergerakan Rp/US$ selama 3 tahun menunjukkan adanya kecenderungan rupiah mengalami fluktuasi yang berbeda antar periode pemerintahan yang berbeda. Jika dilihat dari ketiga pemerintahan tsb, pada masa Habibie nilai tukar rupiah sempat mengalami apresiasi. Pada awal Januari 1999 sampai dengan bulan Mei 1999 rupiah mengalami depresiasi sebesar 24,16 %. Kemudian pada awal Juli 1999 rupiah mengalami apresiasi hingga mencapai level Rp 6.623,- per US$. Perkembangan Nilai tukar rupiah pada masa Gusdur, rupiah cenderung mengalami depresiasi terus menerus. Meskipun rupiah sempat menguat pada awal kepemimpinan Gusdur, namun akhirnya nilai tukar rupiah kembali terdepresiasi hingga mencapai 79,79%. Sedangkan pada masa kepemimpinan Megawati, perkembangan rupiah/US$ masih berfluktuasi. Secara keseluruhan rupiah mengalami depresiasi sebesar 30,02 % atau lebih rendah sekitar 50 % dibandingkan pada masa kepemimpinan Gusdur. Pada tahun 2001 perekonomian dunia yang mengalami penurunan yang cepat bahkan telah menuju resesi, terutama dengan kejadian serangan
terhadap WTC di Amerika Serikat. Sedangkan di dalam negeri situasi politik dan keamanan yang belum terkendali sehingga menyebabkan kepercayaan bisnis di Indonesia menjadi rendah. Pada awal tahun 2001 sampai dengan Juli 2001 nilai tukar menunjukkan kecenderungan melemah hingga mencapai level Rp 11.200,-. Pasca SI MPR rupiah menguat tajam hingga mencapai level Rp 8.485,- per USD. Secara umum melemahnya nilai tukar rupiah disebabkan oleh faktor-faktor non ekonomi yang menyebabkan tingginya risk premium maupun faktor fundamental struktural seperti ketidakseimbangan pasokan dan permintaan valas (Goeltom, 2002). Sedangkan pada awal tahun 2002, nilai tukar Rupiah bergerak pada kisaran Rp 10.100,- s.d. Rp 10.500,-. Bahkan rupiah mulai mengalami apresiasi hingga mencapai level Rp 9.270,- pada akhir bulan April 2002. Secara umum, apresiasi nilai tukar rupiah ini mencerminkan proses penyesuaian sedang berlangsung menuju keseimbangan baru setelah mata uang rupiah mengalami depresiasi. Namun, jika perkembangan ini berkaitan dengan perbaikan fundamental
348
Jurnal Ekonomi & Bisnis Indonesia
ekonomi, maka apresiasi diperkirakan akan terus berlanjut. PERAMALAN NILAI TUKAR RP/US$ DENGAN ANALISIS TEKNIKAL Teknik-teknik statistik peramalan teknikal seperti model simple exponential smoothing, model winter, model brown (trend), dan model Box-Jenkins (ARIMA). Dari hasil keempat model tersebut akan dipilih model yang paling akurat berdasarkan hasil pengukuran kesalahan peramalan yang dilihat dari RMSE (Root Mean Squares Error), MAE (Mean Absolut Error), MAPE (Mean Absolut Percentage Error), dan MPE (Mean Percentage Error) yang minimal. Sedangkan untuk model ARIMA akan dijelaskan tahap-tahap pengujiannya sebagai berikut. 1. Identifikasi Seperti yang telah dijelaskan sebelumnya bahwa model ARIMA hanya dapat diterapkan untuk series yang stasioner. Oleh karena itu pada tahap identifikasi ini akan menguji apakah data yang dianalisis sudah stasioner
Oktober
atau belum. Jika data yang digunakan tidak stasioner, yang perlu dilakukan adalah memeriksa pada pembedaan ke berapa data akan stasioner, yaitu menentukan nilai d. Ada beberapa cara yang dapat digunakan untuk menguji stasioneritas data time series, yaitu dengan melihat correlogram yang merupakan sampel autocorrelation data, kemudian melihat Q statistik dan LB statistik dan melakukan uji akar-akar unit yang dilanjutkan dengan uji derajat integrasi. Perkembangan data seperti diperlihatkan pada gambar 2. Gambar tersebut menunjukkan bahwa kurs Rp/US$ cenderung terus meningkat. Padahal menurut menurut Mulyono (2000) sifat stasioneritas mempunyai arti bahwa data yang diamati memiliki variasi yang tidak terlalu besar atau dianggap konstan dan mempunyai kecenderungan untuk mendekati nilai rata-ratanya selama periode pengamatan. Sehingga dari gambar 2 menunjukkan data tersebut tidak stasioner. Jika dilihat dari koefisien ACF, PACF dan correlogram untuk data kurs Rp/US$ yang dapat dilihat pada tabel 1 di bawah ini:
Tabel 1. Correlogram Nilai Tukar RP/US$ 1 Januari 1999 – 30 April 2002 ========================================================================== Autocorrelations Partial Autocorrelations ac pac ========================================================================== | .|*************| .|*************| 1 0.993 0.993 | .|*************| .|* | 2 0.987 0.044 | .|*************| .|* | 3 0.982 0.073 | .|*************| .|. | 4 0.977 -0.016 | .|*************| .|. | 5 0.971 0.003 | .|*************| *|. | 6 0.965 -0.049 | .|************ | .|. | 7 0.960 0.017 | .|************ | .|. | 8 0.954 0.028 | .|************ | .|. | 9 0.950 0.037 | .|************ | .|. | 10 0.945 0.011 | .|************ | .|. | 11 0.940 -0.017 | .|************ | *|. | 12 0.934 -0.059 ========================================================================== Box-Pierce Q-Stat 9667.53 Prob 0.0000 SE of Correlations 0.034 Ljung-Box Q-Stat 9761.58 Prob 0.0000 ===============================================================================
2003
Kuncoro & Inayah
349
Dari hasil tersebut, menunjukkan bahwa data pada lag 1, 2 dan 3 masih tidak stasioner. Hal ini ditunjukkan dari nilai ACF yang semakin tidak signifikan (nilainya semakin kecil) pada operator lag yang semakin besar dan hanya nilai PACF pada operator lag pertama saja yang nilainya signifikan.
Sedangkan jika dilihat dari uji akar-akar unit dan uji derajat integrasi pada tabel 2, hasil uji ADF menunjukkan bahwa data IDR tidak stasioner sebagaimana yang ditunjukkan oleh nilai Dickey-Fuller statistik yang di bawah nilai kritis MacKinnon pada derajat kepercayaan berapapun.
Cara yang kedua yaitu dengan melihat nilai Q-statistik dan LB-statistik. Apabila nilai Qstatistik dan LB-statistik lebih besar dari nilai kritis distribusi kai-kuadrat berarti menolak hipotesis nol yang menyatakan bahwa secara simultan nilai ACF dan PACF sama dengan nol.
Dari ketiga pengujian diatas ternyata memberikan hasil yang sama yaitu data yang diamati belum stasioner. Oleh karena itu pengujian harus dilanjutkan dengan uji derajat integrasi untuk melihat pada derajat ke berapa data tersebut akan stasioner.
Nilai Q-statistik dan LB-statistik yang ditunjukkan pada tabel 1 sebesar 9667.53 dan 9761.58 yang jauh lebih besar dari nilai distribusi kai kuadrat yaitu 21, dengan derajat kebebasan 12 pada convidence level 95 % (=5%). Hasil perhitungan tsb menunjukkan bahwa Q-statistik dan LB-statistik amat signifikan secara statistik. Artinya ada indikasi kuat gejala autokorelasi terutama tingkat satu sebagaimana ditunjukan oleh PACF yang turun secara drastis pada lag setelah satu. Kesimpulannya data yang diamati belum stasioner.
Solusi yang dapat dilakukan untuk data yang tidak stasioner adalah dengan menciptakan variabel baru dengan cara first difference (pembedaan pertama), yaitu menciptakan variabel baru (DIDR) yang merupakan selisih antara IDRt – IDRt-1. Setelah dilakukan uji ADF atas DIDR, hasilnya dapat dilihat pada tabel 3. Dari hasil estimasi uji DF-ADF, diketahui bahwa nilai statistik DF maupun uji ADF hitung lebih besar dari pada nilai kritisnya dengan derjat kepercayaan 1%, 5 % dan 10 %. Artinya bahwa data yang diamati ternyata stasioner pada derajat integrasi pertama, I (1).
Tabel 2. Augmented Dickey-Fuller: UROOT(T,3) IDR ============================================== Dickey-Fuller t-statistic -1.9901 MacKinnon critical values: 1% -3.9753 5% -3.4180 10% -3.1310 ============================================== Tabel 3. Augmented Dickey-Fuller: UROOT(T,1) DIDR ============================================== Dickey-Fuller t-statistic -23.2806 MacKinnon critical values: 1% -3.9752 5% -3.4179 10% -3.1310 =========================================
350
Jurnal Ekonomi & Bisnis Indonesia
Tabel 4. Hasil Perhitungan Regresi Nilai Tukar Rp/US$
2. Estimasi Proses estimasi disebut sebagai proses menaksir, yaitu menaksir model yang digunakan dalam penelitian ini. Tahapan menaksir model ini adalah dengan trial and error. Aturan yang digunakan adalah (Mulyono, 2000:159) : 1.
2.
3.
Jika nilai-nilai ACF menuju nol setelah lag tertentu, katakan q dan nilai PACF menurun secara bergelombang atau bertahap, maka model yang cocok untuk dipilih adalah model MA (q). Jika nilai-nilai PACF menuju nol setelah lag tertentu, katakan p dan nilai ACF menurun secara bertahap/bergelombang, maka model yang cocok dipilih adalah model AR (p). Jika nilai-nilai ACF dan PACF tidak memperlihatkan gambaran seperti dua aturan di atas, maka model yang cocok untuk dipilih adalah model ARMA (p,q).
Kalau kita lihat pada tabel 1, ternyata tidak menunjukkan kesesuaian dengan aturan 1 dan 3 di atas, karena itu dipakai aturan kedua yaitu Model AR (p). Dari PACF diketahui bahwa hanya nilai pada lag ke-1 yang signifikan, maka model AR yang dibentuk menjadi AR (1) dan persamaan yang diestimasi dengan OLS adalah : Yt = b0 + b1Yt-1 + et Dimana : Yt : variabel dependen (IDR) b0, b1 : koefisien regresi Yt-1 : variabel bebas yang merupakan lag dari variabel terikat (AR (1)) et : residual Dari hasil OLS yang ditampilkan pada tabel di bawah ini (lampiran 5 b):
Oktober
Variabel C AR(1) R2 DW statistik F statistik
Koefisien t-statistik 9171.705 12.437 0.993 258.372 0.987208 2.089117 66756.31
Dilihat dari nilai t-statistiknya, maka semua variabel adalah signifikan, sehingga dapat disimpulkan bahwa kita telah mendapatkan model yang terbaik untuk menjelaskan perilaku data time series dari nilai tukar Rp/US$. Dari tabel di atas maka model yang cocok berdasarkan metode ARIMA1 adalah : Yt = 9171.705 + 0.993 Yt-1 3. Diagnosa Setelah penduga parameter diperoleh, agar model siap dimanfaatkan untuk peramalan, maka model perlu diuji kelayakannya. Model terbaik setidaknya memiliki RMSE (Root Mean Squares Error), MAE (Mean Absolut Error), MAPE (Mean Absolut Percentage Error), dan MPE (Mean Percentage Error) yang minimal. Dari hasil estimasi model-model yang ada, yaitu model simple exponential smoothing, model winter, model brown (trend), dan model Box-Jenkins (ARIMA) kiranya dapat dirangkum dalam tabel berikut ini: Tabel 5. Hasil Perhitungan Kesalahan Peramalan Nilai Tukar Rp/US$ Simple Winter Smoothing Model RMSE 312,34 270,58 MAE 218,38 213,45 MAPE 2,50 2,47 MPE -0,06 -0,02 Sumber: data kurs yang diolah 1
Trend Model 300,79 213,45 2,47 -0,01
AR(1) Model 144,70 85,98 0,98 1,17E-12
Telah dicoba dengan menggunakan model MA(1), tetapi hasilnya tidak signifikan (lampiran 5a)
2003
351
Kuncoro & Inayah
Berdasarkan kriteria goodness of fit, maka model yang “terbaik” untuk IDR adalah model AR(1) karena memiliki nilai RMSE, MAE, MAPE dan MPE yang paling minimum. 4. Peramalan Sebelum pada tahap forecasting, gambar 3 memperlihatkan pergerakan Rp/US$ dengan membandingkan nilai aktual dan peramalannya. Dari grafik tersebut terlihat bahwa model AR(1) bergerak sama dengan data aslinya.
Sehingga boleh dikatakan bahwa proses forecasting dengan model AR(1) cukup akurat. Melalui proses peramalan ini, juga dapat dibuat data proyeksi nilai tukar untuk periode mendatang, yaitu periode 6 bulan mendatang (1 Mei 2002 – 31 Oktober 2002). Hasil proyeksi data tersebut dicantumkan dalam gambar 4. Dari gambar di bawah memberikan indikasi bahwa rupiah akan cenderung mengalami apresiasi terhadap dolar dalam jangka waktu 6 bulan mendatang dalam kisaran Rp 9000,00.
13000 12000 11000
Rp/US$
10000 9000 8000 IDR 7000
Fit for IDR from ARI MA, MOD_6 CON
6000 1
201 101
401 301
601 501
801 701
Data Harian 1 Jan 1999 - 30 April 2002
Gambar 3. Perbandingan IDR Aktual dengan Forecasting
352
Jurnal Ekonomi & Bisnis Indonesia
Oktober
10600 10400 10200
Rp/US$
10000 9800 9600 9400 9200
IDR
9000
Fit for IDR from ARI MA, MOD_3 CON
8800 800
840 820
880 860
920 900
960 940
1.000 980
Data Harian 24 Januari 2002 - 31 Okt 2002
Gambar 4. Proyeksi Kurs Rp/US$, 1 Mei 2002 - 31 Okt 2002 PENGARUH VARIABLE NEWS TERHADAP NILAI TUKAR RP/US$
memiliki pengaruh terhadap pergerakan nilai tukar Rp/US$.
Hasil regresi dummy variable dengan dependent variable nilai tukar Rp/US$ (IDR) dapat dilihat pada tabel 6 yang merupakan rekapitulasi dari model-model kurs yang ada. Dari hasil regresi dan hasil perbandingan antara thitung dengan ttabel tersebut, dapat dilihat bahwa penambahan variabel dummy 1, yaitu statement pemerintah khususnya Gusdur pada hari Jum’at menunjukkan pengaruh signifikan negatif (pada derajat kepercayaan 5 %) terhadap perubahan nilai tukar Rp/US$. Hal ini berarti variabel politik (news) yang berupa statement dari pemerintah khususnya Gusdur menyebabkan rupiah mengalami depresiasi. Sedangkan penambahan variabel dummy 2, yaitu Friday effect menunjukkan tidak
Dari tabel di atas juga dapat disimpulkan bahwa variabel trend secara signifikan mempengaruhi perubahan nilai tukar Rp/US$. Sedangkan pengaruh variabel politik hanya bersifat sementara saja. Dan setiap penambahan variabel pada model, menyebabkan F stat turun, hal ini berarti dengan ditambahnya variabel baru pada model menyebabkan goodness of fit model juga berubah. Berdasarkan tabel 6, baik model I dan model II, model AR(1) merupakan model yang terbaik untuk kurs periode 20 Oktober 1999 – 20 Juli 2001 (periode kepemimpinan Gusdur) dan periode seluruh data ( 1 Januari 1999 – 30 April 2002), karena model AR(1) memiliki F stat paling tinggi dibandingkan model-model yang lain.
2003
353
Kuncoro & Inayah Tabel 6. Model Nilai Tukar Rp/US$
Variabel Independen
MODEL I
MODEL II
1
2
3
4
5
6
12106.584 (1.826) -
12228.585 (1.692) -
12145.320 (1.791) -
12223.933 (-9.392) -
9171.705 (12.437) -
D1
0.998 (226.344)** -
0.998 (226.608)** -
-
0.998 (226.744)** -15.530 (-1.182) 9.379 (0.706)
0.993 (258.372)** -
D2
0.998 (226.890)** -20.041 (-1.747)* -
7317.066 (8.604) 3.419 (2.274) ** 0.987 (174.078)** -
-
-
C Trend AR (1)
17.023 (1.465)
0.991158 0.991198 0.991181 0.991188 0.987208 R2 51231.72 25732.68 33411.60 25681.40 66756.31 F-stat Keterangan : Angka dalam kurung = t statistik **) Signifikan pada derajat kepercayaan = 1 % *) Signifikan pada derajat kepercayaan = 5 % Model I merupakan model kurs pada periode Gusdur Model II merupakan model kurs seluruh periode (Habibie, Gus Dur, Megawati)
UJI STABILITAS CHOW TEST
MODEL
DENGAN
Uji stabilitas model dilakukan untuk meneliti apakah telah terjadi perubahan struktural dalam perilaku kurs selama tiga periode kepemimpinan. Uji stabilitas yang dilakukan dalam penelitian ini adalah uji titik
0.987244 33433.28
patah Chow (Chow’s breakpoint test). Penelitian ini menerapkan uji chow untuk seluruh periode data (1 Januari 1999 – 30 April 2002); periode Habibie (1 Januari 1999 – 19 Oktober 1999); periode Gusdur (20 Oktober 1999 – 20 Juli 2001); periode Megawati (21 Juli 2001 – 30 April 2002).
Tabel 7. Hasil Perhitungan Uji Chow Pengujian Seluruh periode data Periode Habibie Periode Gus Dur Periode Megawati
Statistik F 4.15 2.06 2.15 3.06
Dari tabel 7 menunjukkan bahwa statistik F untuk seluruh periode data sangat signifikan secara statistik. Hasil ini memberikan bukti yang kuat terjadinya perubahan struktural nilai tukar pada ketiga periode kepemimpinan. Sedangkan hasil uji F pada periode Gusdur dan periode Habibie menunjukkan tidak terjadinya
Tingkat Probabilitas Signifikan (0.05) Tidak signifikan (0.13) Tidak signifikan (0.07) Signifikan (0.05)
perubahan struktural pada kedua periode tersebut. Hal ini berarti selama kedua periode tersebut pergerakan nilai tukar Rp/US$ memiliki pola perilaku yang relatif sama. Hal ini sangat berbeda dengan periode kepemimpinan Megawati. Hasil perhitungan menunjukkan bahwa telah terjadi perubahan
354
Jurnal Ekonomi & Bisnis Indonesia
struktural nilai tukar Rp/US$ pada masa Megawati yang berbeda dibandingkan pada masa kepemimpinan periode-periode sebelumnya. Hasil penelitian ini mendukung dengan hasil trend perkembangan nilai tukar Rp/US$ (gambar 1 dan 4). Jika dilihat pada gambar 1 dan 4, terlihat bahwa pergerakan nilai tukar Rp/US$ pada masa kepemimpinan Megawati menunjukkan nilai tukar Rp/US$ cenderung mengalami apresiasi.
berupa statement dari pemerintah khususnya Gusdur terhadap pergerakan nilai tukar Rp/US$, yang membuat rupiah mengalami depresiasi. Sedangkan statement Gusdur pada hari Jum’at tidak mempengaruhi fluktuasi perdagangan nilai tukar Rp/US$ pada hari Senin. 3.
Hasil pengujian stabilitas model menunjukkan bahwa telah terjadi perubahan struktural nilai tukar Rp/US$ pada ketiga periode kepemimpinan. Dimana pada periode Habibie dan Gusdur menunjukkan tidak terjadinya perubahan struktural nilai tukar Rp/US$, yang berarti selama kedua periode tersebut pergerakan nilai tukar Rp/US$ memiliki pola perilaku yang relatif sama. Sedangkan pada periode kepemimpinan Megawati, hasil perhitungan menunjukkan bahwa telah terjadi perubahan struktural nilai tukar Rp/US$ yang berbeda dibandingkan pada masa kepemimpinan periode-periode sebelumnya. Hal ini dikarenakan pada masa kepemimpinan Megawati menunjukkan pergerakan nilai tukar Rp/US$ yang cenderung mengalami apresiasi.
4.
Hasil peramalan Rp/US$ untuk masa 6 bulan yang akan datang, rupiah akan terapresiasi terhadap dolar dalam kisaran Rp 9.050,- s.d. Rp 9.300,-.
KESIMPULAN DAN SARAN Kesimpulan yang dapat diambil dari penelitian yang dilakukan terhadap nilai tukar Rp/US$ adalah sebagai berikut : 1.
Dari beberapa teknik peramalan yang diteliti, yaitu model simple smoothing, winter, trend dan ARIMA. Model AR(1) merupakan model yang paling akurat dibandingkan ketiga model yang lain yang ditunjukkan dari nilai RMSE, MAE, MAPE dan MPE yang paling minimum yaitu sebesar 144,70; 85,98 , 0,98 dan 1,17E-12. Sedangkan bentuk persamaan modelnya adalah : Yt = 9171,705 + 0,993 Yt-1.
2.
Dengan menggunakan data harian periode 1 Januari 1999 – 30 April 2002, pergerakan nilai tukar Rp/US$ menunjukkan pola AR (1), ini berarti pelaku pasar valas dalam mengambil keputusan untuk membeli dan menjual kurs sangat dipengaruhi oleh kurs periode sebelumnya (pola historis). Adanya penambahan variabel trend yang signifikan terhadap pergerakan kurs, menunjukkan bahwa pelaku pasar dalam mengambil keputusan juga dipengaruhi oleh trend pergerakan kurs di masa yang akan datang. Pelaku pasar valas juga cenderung overreactive terhadap kejadian yang bersifat nonekonomi yang pada akhirnya menimbulkan fluktuasi dalam pergerakan kurs harian di pasar valas. Hal ini tercermin dari berpengaruhnya variabel news yang
Oktober
IMPLIKASI 1. Bagi Pembuat Kebijakan Pemerintah sebaiknya dalam melakukan kebijakan memperhatikan pola dan trend yang terjadi pada kurs. Dengan mengetahui bahwa fluktuasi kurs rupiah dipengaruhi oleh nilai kurs periode sebelumnya dan berpengaruhnya variabel politik (news) pada masa pemerintahan Gusdur. Maka untuk menjaga kestabilan nilai tukar Rp/US$, pemerintah sebaiknya tidak mengeluarkan statementstatement yang membuat sentimen pasar menjadi bergejolak.
2003
Kuncoro & Inayah
2. Bagi Pelaku Pasar Uang Pelaku pasar valas dalam mengambil keputusan untuk membeli dan menjual dolar sebaiknya melihat trend dari pergerakan nilai tukar Rp/US$, di mana trend yang terjadi untuk 6 bulan yang akan datang adalah rupiah akan terapresiasi terhadap dolar. DAFTAR PUSTAKA Arsham, Hossein. (1994), Time Series Analysis and Forecasting Technique, http://ubmail.ubalt.edu/~harsam/stat.data/o pre330Forecast.htm Arsyad, Lincolin. (1994), Peramalan Bisnis, Edisi Pertama, Yogyakarta : BPFE. Baig, Taimur. and Goldfajn, Ilan. (1998), “Financial Market Contagion in The Asian Crisis,” International Monetary Fund. Baile, Richard. and McMahon, Patrick. (1992), The Foreign Exchange Market: Theory and Econometric Evidence, Cambridge University Press. Bank Indonesia, http://www.bi.go.id Box, G.P., and Jenkins, G.M. (1976), Time Series Analysis: Forecasting and Control, San Fransisco: Holden Day. Dekiawan, Hermada. (2000), “Perilaku Valuta Asing di Pasar Uang Indonesia,” Wahana, Vol. 3, No.1, Februari, hal. 41 - 49. Dickey, David, and Wayne A. Fuller. (1979), “Distribution of The Estimators for Autoregressive Time Series with a Unit Root,” Journal of The America Statistical Association, 74, hal. 401 – 419. Goeltom, Miranda. (2002), “Pemulihan Fungsi Intermediasi Perbankan: Upaya Revitalisasi Ekonomi,” Diskusi Panel : Pemulihan Kembali Fungsi Intermediasi Perbankan Sebagai Lembaga Intermediasi di bidang Keuangan, Jakarta. Greene , William. H. (2000), Econometric Analysis, Fourth edition, Prentice Hall International
355
Granger, C.W.J., and P. Newbold. (1974), “Spurious Regressions in Econometrics,“ Journal of Econometrics, 2, hal. 111 – 120. Gujarati, D.N. (1995), Basic Econometrics, Edisi ketiga, New York: McGraw-Hill. Hanke, J.E & Reitsch, A.G. (1998), Business Forecasting, 6th ed., London: Prentice-Hall International Ltd. Insukindro. (1991), “Regresi Linier Lancung dalam Analisis Ekonomi: Suatu Tinjauan dengan Satu Studi Kasus di Indonesia,” Jurnal ekonomi dan Bisnis Indonesia, Vol. 6, No.1, hal. 75 - 88. Jarret, J. (1991), Business Forecasting Methods, 2nd ed. Oxford: Basil Blackwell. Kennedy, P. (2000), A Guide to Econometrics, 4th ed., Oxford: Blackwell Publishers Ltd Kompas, http://www.kompas.com Kuncoro, Mudrajad. (2001). Manajemen Keuangan Internasional: Pengantar Ekonomi dan Bisnis Global, Edisi Kedua, Yogyakarta: BPFE. Kuncoro, Mudrajad. (2001), Metode Kuantitatif: Teori dan Aplikasi Untuk Bisnis dan Ekonomi, Edisi Pertama, Yogyakarta: AMP-YKPN. Madura, Jeff. (1997), Manajemen Keuangan Internasional, Edisi Keempat, Jakarta: Erlangga. Mendenhall, William., Reinmuth, James., & Beaver, Robert J. (1989), Statistics For Management And Economics, 6th ed, PWS-KENT Publishing Company. Mulyono, Sri. (2000), Peramalan Bisnis dan Ekonometrika, Edisi Pertama, Yogyakarta: BPFE. Mulyono, Sri. (2000), “Peramalan Harga Saham dan Nilai Tukar: Teknik BoxJenkins,” Ekonomi dan Keuangan Indonesia, Volume XLVIII, No. 2, hal. 125 – 141.
356
Jurnal Ekonomi & Bisnis Indonesia
Robinson, Tony. (2002), Box Jenkins Methodology, http://www.bath.ac.uk/ ~masal/math0118/forecasting/node14.html
Oktober
Santoso, Singgih. (2000), Buku Latihan SPSS Statistik Parametrik, Jakarta: PT Elex Media Komputindo.
2003
357
Kuncoro & Inayah News (statement) Pemerintahan Gusdur
No
Tahun
Tgl/bulan
1. 2. 3. 4. 5. 6. 7. 8.
1999
23 Okt 30 Okt 5 Nov 12 Nov 19 Nov 26 Nov 3 Des 10 Des
9. 10. 11. 12. 13. 14. 15. 16. 17.
17 Des
2000
24 Des 7 Jan 14 Jan 21 Jan 28 Jan 4 Feb 11 Feb 18 Feb
18. 19.
25 Feb 3 Mar
20.
10 Maret
21.
17 Maret
22.
24 Maret
23.
31 Maret
24. 25. 26.
7 April 14 April 21 April
Komentar (bila ada pernyataan politik Gus Dus yang kontroversial diberi kode 1)
No-komentar 0
1 (Dibubarkannya Dept. Sosial dan Dept. Penerangan). 0 1 (Akan mengampuni mantan presiden Suharto) 0 0 1 (Kasus Texmaco) 1 (Meminta WNI di Luar Negeri untuk kembali ke Indonesia) 1 (Kapolda Metrojaya diminta untuk menindak dalang pembakaran Doulos). 0 0 0 1 (Presiden mengukuhkan hubungan dengan TNI) 0 0 0 1 (Perdebatan di lingkungan elite TNI mengenai penonaktifan Menko Polkam Jend. Wiranto) 1 (Masalah kenaikan tarif listrik) 1 (- Tidak adanya reshuffle kabinet - Tentang keadaan panglima GAM yang dinyatakan sehat dan TNI debagai lembaga tidak bisa disalahkan begitu saja). 1 (Presiden mengatakan tidak ada pertentangan antar agama mengenai kerusuhan di Sampit dan Palangkaraya) 1 (Masalah Aceh harus diselesaikan dengan baik, dan perlakukan masyarakat Aceh sebagai saudara sebangsa). 1 (Pidato presiden di pembukaan Sidang Raya XIII Persatuan Gereja di Indonesia, Palangkaraya, tentang pelaksanaan keadilan setuntasnya) 1 (- Penundaan kenaikan BBM - Perlunya pencabutan Tap MPRSXXV/1966, karena telah melanggar hak hukum perorangan dan kemungkinan besar telah menghukum orang yang tidak bersalah) 1 (Perekonomian Indonesia akan segera pulih) 0 1 (Menolak untuk mengambil tindakan terhadap TNI, karena tidak ada dominasi sipil terhadap TNI )
358
Jurnal Ekonomi & Bisnis Indonesia
27.
28 April
28.
5 Mei
29. 30. 31. 32. 33. 34.
12 Mei 19 Mei 26 Mei 2 Juni 9 Juni 16 Juni
35. 36. 37.
23 Juni 30 Juni 7 Juli
38.
14 Juli
39.
21 Juli
40.
28 Juli
41. 42.
4 Agust 11 Agust
43.
18 Agust
44. 45.
25 Agust 1 Sept
46.
8 Sept
47.
15 Sept
48.
22 Sept
49. 50.
29 Sept 6 Okt
Oktober
1 (Demokrasi harus ditegakkan dalam kenyataan bukan hanya omongan) 1 (Memperjuangkan kebebasan berfikir, dimana Gusdur akan protes terhadap Tap MPRS No.XXV/MPRS/1966 tentang pelarangan komunisme dan marxisme yang menurutnya merupakan pelarangan terhadap mengemukakan pikiran 1 (Bantahan terhadap penggantian Kwik Kian Gie) 0 0 1 (Kabinet akan dipertanggungjawabkan di MPR) 0 1 (- Pemberian keleluasaan susunan kabinet, tentang rencana reshuffle kabinet - bersedia memberi keterangan kepada polisi mengenai kasus Bulog) 0 1 (Hak interpelasi presiden) 1 (- Minta petani tebu harus siap beralih ke pertanian lain. - presiden mengatakan biang kerok persoalan bangsa akhir-akhir ini ada di DPR dan MPR). 1 (Mengenai hak interpelasi presiden untuk datang ke DPR) 1 (President minta maaf kepada DPR atas pemecatan 2 orang menteri di kabinetnya, yaitu Yusuf Kalla dan Laksamana Sukardi) 1 (Dia ingin membuat negara Indonesia menjadi lebih besar ) 1 (Dia mendelegasikan tugasnya kepada wakil presiden) 1 (Pergantian menteri ekonomi dan harus bisa diterima pasar) 1 (Memberikan kesempatan pada menteri baru untuk menjalankan tugas) 1 (Pengadilan terhadap mantan presiden Suharto) 1 (Seruan kerjasama antar bangsa di depan markas besar PBB) 1 (Presiden perintahkan Polri periksa Tommy Soeharto dan Habib Ali Baagil sehubungan pengeboman BEJ) 1 (Mengenai kenaikan harga BBM tidak akan ditundatunda lagi. - Dan kepala Polri yang tidak menuruti perintah untuk penangkapan Tommy akan diberhentikan) 1 (Eurico Guterres akan ditangkap jika dia melanggar undang-undang) 1 (Kebebasan pers dari pemerintah dan kasus Irian Jaya) 1 (Penangguhan hukuman bagi 3 konglomerat tersangka suap, yaitu Marimutu Sinivasan, Prajogo Pangestu dan
2003
51.
13 Okt
52.
20 Okt
53. 54.
27 Okt 3 Nov
55. 56. 57.
10 Nov 17 Nov 24 Nov
58.
1 Des
59. 60. 61.
8 Des 15 Des 22 Des
62.
359
Kuncoro & Inayah
2001
29 Des
63. 64.
5 Jan 12 Jan
65. 66.
19 Jan 26 Jan
67. 68.
2 Feb 9 Feb
69. 70.
16 Feb 23 Feb
71.
2 Mar
72. 73.
9 Mar
74.
16 Mar
75.
23 Mar
Sjamsul Nursalim) 1 (Dia melakukan dialog dengan kader HMI (Himpunan Mahasiswa Indonesia) 1 (Mengangkat Edwin Gerungan sebagai kepala BPPN, menggantikan Cacuk Sudarijanto) 1 (Presiden akan mengevaluasi kinerja Jaksa Agung) 1 (Presiden merencanakan membentuk organisasi multilateral baru di Asia Tenggara, seperti: Indonesia, Timor Timur, Papua Nugini, Australia, New Zealand) 0 1 (Mengritik KAPOLRI ) 1 (Kebijakan Luar Negeri tidak berubah sampai dengan 2001) 1 (President tidak akan tetapkan ketua MA (Mahkamah Agung) sebelum dia mendapat persetujuan dari wakil presiden) 1 (Demokrasi di negeri ini timbul dari agama) 0 1 (Adanya kemajuan positif antara pertemuan pemerintah dan GAM) 1 (Presiden mengatakan jatuhnya pesawat CASA NC 212 milik TNI AL karena human error) 1 (Membuat reformasi secepatnya) 1 (Presiden menunjuk Baharuddin Loppa menjadi menteri Kehakiman dan Hak Asasi Manusia) 0 1 (Perlunya dialog nasional dalam mengatasi kerusuhankerusuhan yang terjadi di Sampit dan Palangkaraya) 0 1 (Menyambut gembira pertemuannya dengan ketua MPR dan fraksi-fraksi MPR untuk membicarakan kondisi dan situasi bangsa) 1 (Aktivitas Exxon Mobil dihentikan di Aceh) 1 (Presiden akan menjawab memorandum I DPR secara lisan) 1 (Penyelesaian masalah Aceh hanya bisa dilakukan dengan cara dialog nasional dan pendekatan kemanusiaan, bukan pendekatan militer) 0 1 (Presiden mengatakan DPR tidak perlu mengeluarkan memorandum kedua kepadanya, serta tuntutannya kepada DPR mengenai agar ia segera mempertanggungjawabkan kinerjanya merupakan tindakan yang ilegal) 1 (Presiden khawatir dengan semakin tajamnya kemerosotan nilai tukar Rp/US$) 0
360
Jurnal Ekonomi & Bisnis Indonesia
76.
6 April
77.
13 April
78.
20 April
79.
27 April
80. 81. 82.
4 Mei 11 Mei 18 Mei
83.
25 Mei
84.
1 Juni
85. 86.
8 Juni 15 Juni
87. 88.
22 Juni 30 Juni
Oktober
1 (Laporan tim dokter kepresidenan mengenai kesehatan Gusdur) 1 (Pemerintah akan menaikkan harga BBM 30 % dan tarif dasar listrik 20 % pada 15 Juni 2001) 1 (Pelimpahan tugas konstitusional dari presiden kepada wakil presiden) 1 (Presiden mengatakan adanya penyusupan di dalam berbagai peristiwa unjuk rasa massa pendukung presiden yang disertai kerusuhan di Jawa Timur) 0 1 (Kenaikan harga BBM ditunda) 1 (Presiden mengatakan pengangkatan Marzuki Darusman sebagai sekertaris kabinet merupakan kejadian yang biasa) 1 (Memberikan mandat kepada Chaeruddin Ismail untuk mengganti Surojo Bimantoro) 1 (Perintah presiden kepada Agum Gumelar dan Chaeruddin Ismail untuk menangkap Sofjan Jacoeb dan Surojo Bimantoro) 0 1 (Presiden menandatangani dekrit bahwa negara dalam keadaan darurat) 0 0
